Ir al contenido

Sesgos algorítmicos en la contratación pública automatizada

La automatización de procesos de contratación pública mediante sistemas de aprendizaje automático introduce riesgos sustanciales de discriminación algorítmica y opacidad decisoria. El análisis sistemático de marcos regulatorios y modelos de gobernanza técnica permite estructurar salvaguardas para garantizar la igualdad de trato y la rendición de cuentas en el sector público.

Objetivo

¿De qué manera los sesgos algorítmicos comprometen la equidad en la contratación pública automatizada y qué salvaguardas mitigan este riesgo?

Metodología

Revisión documental integradora de literatura académica indexada, directrices internacionales de IA y marcos regulatorios sobre gobernanza algorítmica.

Novedad científica

Articula técnicas de preprocesamiento de atributos sensibles con estándares de justicia procesal y rendición de cuentas administrativa.

Vista previa del documento

Esta es una vista previa breve. La versión completa incluye texto ampliado para todas las secciones, una conclusión y una bibliografía formateada.

Artículo Científico

Grado académico:
Sesgos algorítmicos en la contratación pública automatizada

Autor/a:

Group

Nombre Apellidos

Tutor/a:

Nombre Apellidos

Ciudad, 2026

Contenido

Resumen
Introducción
Fundamentos conceptuales del sesgo en la toma de decisiones automatizada
Criterios metodológicos para la evaluación documental de algoritmos públicos
Mecanismos de reproducción de asimetrías y sesgo en datos de contratación
Gobernanza ética, transparencia y rendición de cuentas institucional
Discusión sobre equidad procedimental y garantías de no discriminación
Referencias bibliográficas
Conclusión
Bibliografía

Introducción

La incorporación de sistemas de inteligencia artificial y modelos de decisión automatizada en la administración pública promete optimizar la asignación de recursos y reducir tiempos burocráticos, pero introduce riesgos críticos de discriminación sistemática y vulneración de derechos fundamentales [2], [4]. Cuando estos sistemas procesan convocatorias y adjudicaciones, los sesgos inherentes al diseño algorítmico y al histórico de datos pueden excluir indebidamente a determinados operadores económicos [1], [6].

El problema central radica en la aparente neutralidad técnica de los algoritmos, la cual suele enmascarar desigualdades estructurales y limitar la transparencia procesal en la esfera administrativa [2], [5]. La falta de mecanismos de explicabilidad y auditoría algorítmica dificulta la impugnación efectiva de decisiones automatizadas, erosionando la confianza ciudadana y los principios rectores de la contratación estatal [4], [6].

Este artículo examina los vectores de sesgo algorítmico en los procesos públicos automatizados y formula criterios normativos de supervisión técnica basados en marcos internacionales de gobernanza del riesgo [4], [6]. A través de una revisión documental integradora, se sistematizan pautas de mitigación aplicables al ciclo de vida de los sistemas de contratación pública [1], [2].

Discusión sobre equidad procedimental y garantías de no discriminación

La incorporación de sistemas automatizados en la contratación pública plantea una tensión crítica entre la búsqueda de eficiencia operativa y la preservación efectiva de las garantías de equidad procedimental. La literatura especializada subraya que la presencia de sesgos algorítmicos en los servicios públicos compromete la imparcialidad administrativa al reproducir patrones discriminatorios que permanecen ocultos durante la preselección y baremación de ofertas ("Artificial Intelligence-Induced Algorithmic Bias in Public Services", 2025). Desde una perspectiva de derechos civiles y garantías jurídicas, la toma de decisiones automatizada sin una debida fiscalización expone a los licitadores a situaciones de indefensión, restringiendo la transparencia decisoria y la impugnabilidad de los actos administrativos ("Human rights and civil law risks of artificial intelligence", 2026). En este sentido, la implementación de técnicas automatizadas para mitigar el sesgo en el tratamiento de datos resulta indispensable para avanzar hacia la justicia algorítmica ("Automated Data Bias Mitigation Technique for Algorithmic Fairness", 2025); sin embargo, el enfoque puramente matemático deviene insuficiente si carece de un marco de supervisión humana continuada. Por consiguiente, la salvaguarda de la igualdad de trato en el sector público requiere articular la optimización algorítmica con estándares institucionales de rendición de cuentas, auditoría externa y motivación causal de cada adjudicación contractual.

Bibliografía

  1. Automated Data Bias Mitigation Technique for Algorithmic Fairness
    Jiale Shi, Chuitian Rong
    Enlace DOI
  2. Artificial Intelligence-Induced Algorithmic Bias in Public Services
    Gamze Sinem Özer
    Enlace DOI
  3. Artificial Intelligence and Australian charities: governance, bias, human rights and public trust for non-profits in the algorithmic age
    Kim D. Weinert, Brydon T. Wang
    Enlace DOI
  4. Human rights and civil law risks of artificial intelligence: A systematic analysis of surveillance, algorithmic bias, automated decision-making, and restrictions on freedom of expression
    Jelena Matijašević, Alić Bećirović, Jasmina Nikšić et al.
  5. Artificial Intelligence and Ethical Dimensions of Automated Traffic Enforcement: Implications for Public Health, Healthcare Equity, and Social Justice
    Patricia Haley
  6. ARTIFICIAL INTELLIGENCE AND SOCIOECONOMIC INEQUALITIES: ALGORITHMIC BIAS, LABOR MARKET IMPACTS, AND GOVERNANCE AGENDAS FOR EMERGING ECONOMIES
    Ricardo Holderegger, Luis A Duarte

Bibliografía

Fuentes VerificadasNormas de FormatoAlta OriginalidadModelos Pro
🔥 25% OFF

Artículo

APA 7ª Edición (adaptado)

6 €8 €
  • 8–20 páginas
  • Alta originalidad
  • Exportar a Word
  • Formato correcto
  • Vista previa pública
    La vista previa de otra persona no se puede hacer privada. Tu trabajo será privado y completamente único.
  • Bibliografía (15+, APA 7ª Edición)
    +2 €
  • Añadir fuentes alternativas (Noticias, .gov, .edu)

Artículo

APA 7ª Edición (adaptado)

Sesgos algorítmicos en la contratación pública automatizada | Artículo | Aicademy